EPID-12. DEMOGRAPHICS AND LIFESTYLE FACTORS IN GLIOMA RISK: A REPORT FROM THE GLIOMA INTERNATIONAL CASE-CONTROL STUDY
Notice bibliographique
Résumé
Although previous studies have examined the role of demographic and lifestyle factors in glioma etiology, there are few established associations between such factors and glioma risk. The incidence of glioma is 2-3 times higher among non-Hispanic whites compared to blacks, Asians, or other racial/ethnic groups, but the reasons behind this remain unclear. As one of the largest glioma study populations available, the Glioma International Case-Control Study (GICC) provides an unprecedented opportunity to explore the associations between glioma risk and a number of lifestyle and demographic factors, stratified by race/ethnicity. The GICC is a 14-site consortium with data on 4533 cases and 4171 controls collected from five countries. Using these data, we examined following exposures of interest: birth order, family history of glioma, birth season, dexterity, “usual adult” BMI, physical activity levels, smoking history, and alcohol consumption. We calculated age- and sex-adjusted meta-analysis ORs (mOR), using two-stage random-effects restricted maximum likelihood modeling. In our case-case comparisons, we found that there was a preponderance of younger cases among racial/ethnic minorities compared to non-Hispanic whites, and this trend persisted even among glioblastoma cases. With regard to family history, a positive family history of glioma increased glioma risk across all races/ethnicities, though not always significantly. By contrast, the association between body mass index (BMI) and glioma risk was not consistent across all racial/ethnic groups. Among African-American cases and controls, being overweight was associated with a significantly increased glioma risk compared to being normal/underweight (pOR: 2.36, 95% CI: 1.09-5.10); yet among the other races/ethnicities, being overweight was not significantly associated with glioma risk. Overall, this study adds new information to the literature on whether potential associations with our factors of interest (i.e., family history, physical activity, BMI) were consistent by race/ethnicity. Although our analyses were exploratory, they contribute new information to the existing epidemiologic literature.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,004 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».